C++ 提速的新发现

雷达 · 发表于 2022-9-24 22:54:26

C++ 比 Octave 慢好多，怎么破？

自相关两层循环，内层循环涉及浮点数计算，试验了一下把内层循环内部全都 comment out 只留个壳子, 但空的内层循环本身就把速度拉下来了，看来问题并不在浮点计算。

速度优化问题真的很有意思啊。

欢迎大家继续讨论

数值分析 · 发表于 2022-9-24 23:04:16

拉下来？拉多少？
把代码贴上来看看？

难道分支预测不准破坏流水线执行？不该啊。

沉宝 · 发表于 2022-9-24 23:15:41

会不会代码本身的缺陷阻止了自动优化？另外，硬件配置和开发环境可能也有关系。

风雨无阻 · 发表于 2022-9-24 23:33:02

Maybe Debug mode?

雷达 · 发表于 2022-9-24 23:54:10

本帖最后由雷达于 2022-9-24 23:57 编辑

数值分析发表于 2022-9-24 23:04/ b$ Y" Y( v1 [+ ?! N
拉下来？拉多少？
8 E5 [8 J9 y0 ]* W# ?把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
comp temp, xtimesy;
xtimesy.re = 0;
xtimesy.im = 0;
int j0 = lenB - 1;
int i, j, i1, reali;
if (lenA % 2 == 1)
reali = lenA + 1;
else
reali = lenA;
reali /= 2;

int nconv = reali + lenB;
//#pragma omp parallel for
for (i = reali; i < nconv; i++)
{
temp.re = 0;
temp.im = 0;
i1 = i;
for (j = j0; j >= 0; j--)
{
/* floating date operation */
}
}
}

xcorr函数代码如上，comp是复数struct, 做过长度为11、19两个矢量的测试，和octave结果完全一样

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
现在call xcorr 100次，耗时78s.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达 · 发表于 2022-9-25 00:17:17

风雨无阻发表于 2022-9-24 23:33- `, D1 @1 y3 t0 E* o4 ]
Maybe Debug mode?

不应该，看我上面的回复。

我更怀疑是 VS 社区版的问题

数值分析 · 发表于 2022-9-25 00:20:10

本帖最后由数值分析于 2022-9-25 00:24 编辑

雷达发表于 2022-9-24 23:54, {0 J8 b0 @0 m0 y
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB); n5 ]1 d9 s5 U! R3 |% E( O
{" [ L' e8 c' M& I0 V9 l% m+ [% K6 |
comp temp, xtimesy;

这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个，慢个几十倍不是正常的么？

雷达 · 发表于 2022-9-25 00:46:56

本帖最后由雷达于 2022-9-25 01:09 编辑

数值分析发表于 2022-9-25 00:20
6 B& a0 n) i% Z* [5 p这个不是这么比的吧。。。& D4 B, ?3 \: n# C
: [" T$ O5 X" k6 T. n: A/ ]& s
您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

有道理。
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，记得 numeric 库里有算向量内积的，我回头试试。

我先尝试尽量用标准库，一个小程序，不想搞得太复杂。多谢了

沉宝 · 发表于 2022-9-25 01:27:53

雷达发表于 2022-9-25 00:46
1 W% M9 a6 W! F/ W7 W有道理。
( N/ u( C6 w9 F+ A- j& T& o所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，这大 ...

你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子，把循环本身翻译成机器指令loop或dec/jnz，两者速度上会差很多
Why is the loop instruction slow? Couldn't Intel have implemented it efficiently?

沉宝 · 发表于 2022-9-25 01:48:51

数值分析发表于 2022-9-25 00:20
4 z1 o! o4 |6 {这个不是这么比的吧。。。6 N- k1 |2 I& R2 E

) _& I2 C6 h6 d6 V0 N8 B您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果循环这样跑，花不了多少时间。

数值分析 · 发表于 2022-9-25 02:06:44

本帖最后由数值分析于 2022-9-25 02:16 编辑

沉宝发表于 2022-9-25 01:48+ \3 l2 _" s: n; \8 P. W
现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果 ...

是的，兄台说的对。

其实我想说的是真正数值计算部分和代码中其他不直接计算的overhead的比值这个事儿。

雷达兄构造测试用例的时候，屏蔽掉了所有计算的部分，使得剩下的都是overhead，这样run time比较的结果就显得好像不合理了。如果把计算加回去，计算部分的run time会dominate，结果就不那么离谱了。因为不好说，所以用指令数对比的方式试图直观地说明这一点。

比如说，如果有计算，那么跑六千个循环相对于计算应该用不了多少时间。但是如果一边是什么都不做，另一边是六千个循环，那六千个循环比什么都不做慢几十倍了，就不是那么不合理了。

当然也有可能像兄台说的，是优化参数的问题，但我觉得更多地是测试用例设计的不合理。

雷达 · 发表于 2022-9-25 04:47:43

本帖最后由雷达于 2022-9-25 04:49 编辑

沉宝发表于 2022-9-25 01:27
4 I4 B" ?$ D- O- A9 |8 T& D$ Q0 X你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子 ...

又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差一倍，我上面这个差的太多了。

我已经完全懵了。

沉宝 · 发表于 2022-9-25 05:51:23

雷达发表于 2022-9-25 04:47 N' j; W- L9 p! r& E
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

时间差一倍的结果可以接受。

你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析 · 发表于 2022-9-25 14:58:59

本帖最后由数值分析于 2022-9-25 15:38 编辑

雷达发表于 2022-9-25 04:47
. h& x: B$ R" R9 R/ c8 Y8 _ w又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

能不能把这个也贴上来，看看和上一个有什么不同？

雷达 · 发表于 2022-9-26 01:30:03

本帖最后由雷达于 2022-9-27 01:17 编辑

数值分析发表于 2022-9-25 14:58
0 Q X! _" Z0 g能不能把这个也贴上来，看看和上一个有什么不同？

理了理思路，重新做了一个测试。
做了两个 vector 和两个 float *, 都长 100000
外循环 6000，里面先做随机数生成，模拟真实环境，避免数据的 cache.

内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
另外可以看到， float * 循环点乘累加并不差，比用vector 还更快。

至于我那个原始程序，还有一些疑问，见5楼，其他都不变仅仅是有无空的内循环就有很大不同，这是不对的，也许有一些其他缺陷我没有看到。（也许可以改成 while 试试）

（为什么下面我贴的 b1 加方括号里的 i , 显示出来却是 b1 ？方括号 i 消失了。 LOL . 改成 jj 好了，原来方括号里的 i 是斜体标志 LOL）

      std::vector < float > vec1(N);
& F1 u. e1 a& n. ]9 [1 U* k6 y9 h" y       std::vector < float > vec2(N);: e# w+ J" v6 J7 a
      float* b1 = new float[N];
: C4 p% k0 |$ W; t/ Q       float* b2 = new float[N];
$ T- M0 E0 ^5 `0 G4 O# K2 \' p# T% C5 U
      for (int j = 0; j < 6000; j++)
$ o* x0 S" V) W2 Y+ |. `       {
/ f# L! ^! `! o             std::generate(vec1.begin(), vec1.end(), []() {
$ i+ Q4 @2 x& Z( u0 b. h0 `3 M                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
' F& r2 z" [* [" S& R* C3 f                      });
) [( i1 U3 B% H$ {: k" G
  Q" k! e. g; }6 M* f             std::generate(vec2.begin(), vec2.end(), []() {
$ q, ~- d- r1 X5 f4 h                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
0 L, i4 X1 t1 M8 a+ J  Z                      });& Z: S& b3 f+ ^4 M% z# l

9 u- p2 I# Y5 J& ^' `0 ~             for (size_t jj = 0; jj < vec1.size(); jj++)1 L  w! v+ P0 J) }* E
            {# s  i/ E) `9 D% D1 r1 f+ c! H
                     b1[jj] = vec1[jj];
4 v1 g  l. m; p7 k: X7 s             }# O! d( c) @" _5 n# c

# p4 J8 g7 o  a2 V/ e9 o             for (size_t jj = 0; jj < vec2.size(); jj++)' W% h/ j3 x+ K7 p2 C9 \/ _0 U" _
            {; l) V9 w( A5 I# _) H
                     b2[jj] = vec2[jj];* U6 \7 [/ d$ o/ v
            }
* M& C; @6 _6 V6 `; _( J0 T2 V. R1 F
; z) Y% [1 D, E( E+ L+ q; ?$ ?% z2 X             //Method - 1  N=100000 247s
' N( ~& d1 P8 t5 b             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);0 D+ c8 ?5 z/ S4 N  M
                              8 d; E% T& ^, `  t' d% }0 }- K0 Z7 n* T
            //Method - 2  N=100000  237s/ m- I4 }7 W; |4 T- B, n7 |2 I
            /*
' r% u5 `: k2 Y, {8 L7 `, ~5 I             for (int jj = 0; jj < N ; jj++)
( O: G# p* N6 w5 Z+ `             {% M( h& c  w& n) c2 x" B
                     fresult += vec1[jj] * vec2[jj];
/ s; ~3 O5 X- f9 H6 w6 j             }
: a7 ]. J2 ^6 i* n             */+ O) |4 {! h5 M
                              5 d  N% ~" e8 v: L5 B! G& g0 I
            //Method - 3  N=100000 204s
5 J7 J4 `: Q5 T! |3 ?  Q             /*
" d4 d/ ~$ z, Z3 f, \) O             for (int jj = 0; jj < N; jj++); D- D8 B- h7 v! X' I# i. m0 I* |
            {* q) a- L0 B- z9 V- n# V1 B
                     fresult += b1[jj] * b2[jj];+ w) f8 f6 J% Q$ {7 f
            }
5 m; G) X2 P7 `, ?1 ^/ [             */: {5 B, j3 W4 b0 y3 k9 f
5 {- U, i# g  v
            //Method - 4 202s
/ J; |0 i  R6 o' C2 e             /*
, L( P" m* [  M& @( O             for (int jj = 0; jj < N; jj++)+ z! z2 E4 L' z
            {
3 P/ P% b, l0 m- o                      + J8 M' v) ?2 n4 H4 i9 t
            }
0 i" V: E4 a. @             */+ d, A. n1 H& g' |9 @
            //comment out all methods, N=100000  202s
5 V( A5 J; y' Y       }8 _6 |7 N( z0 B
7 ?2 e/ K, k& ?
      delete []b1;1 T% w5 _# u+ N  r+ n( A
      delete []b2;

机器猫 · 发表于 2022-9-27 00:15:38

瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？

你第二个试验里面的j在循环里面又重新定义了啊，你确定真的跑了6000次？

雷达 · 发表于 2022-9-27 01:16:03

机器猫发表于 2022-9-27 00:15' G; |9 E% C9 O. @; H1 n2 k
瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？2 v, X& h6 b, Z* _- i

1 U, G T. o6 c/ F7 L; m8 Z# u你第二个试验里面的j在循环里面又重新定义 ...

内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL

不和它较劲了，瞎耽误工夫，我已经转到 ubuntu, 也准备顺便试试 avx2 向量化。

机器猫 · 发表于 2022-9-27 02:06:58

雷达发表于 2022-9-27 01:16
3 X+ Z, J/ \; a! o0 G& B内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL
0 @6 }9 F* W$ C9 q1 x% c" Y
0 n# c% j' |# X: i0 F/ `不和它 ...

不过可以试试我说的register变量。前一个试验j是混在一堆其它变量里一起定义的，很有可能是在stack上，这样内存读写会更多，要是再碰上每次都需要加载cache就更慢了。
后面一个是在循环那里定义的，说不定编译器就把它优化成register变量了

opensrc · 发表于 2022-9-27 07:25:57

一个无关问题，为什么爱坛的帖子里在我这里有好些奇怪的东东在里面，是防拷贝措施吗？

雷声 · 发表于 2022-9-27 20:29:50

雷达发表于 2022-9-24 23:543 t& P; s; O9 K" {; v- o
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)$ q Y" n% `- y! l E% U) y
{
& d5 o- p8 z- S2 Y, D/ b9 U comp temp, xtimesy;

这个code里面如果Openmp没有被注释掉的话，那么temp那个变量应该是定义在循环里面，否则线程之间会存在争夺写入那个temp的风险。
内层for循环如果没有内部操作的话，编译时应该被优化掉了，和你完全注册掉整个循环是一回事。可能你的编译设置没有打开优化？
VS社区版没有问题，我工作用的就是社区版，设置正常的话不会比商业版差。以前游说头头用Intel Compiler，他说不想花钱，而且差不了多少，就一直用到现在。

		自动登录	找回密码
密码			注册

[信息技术] C++ 提速的新发现

评分